Geschlechtserkennung anhand von Gesichtsbildern

Das Hauptziel dieser Studie besteht darin, herauszufinden, welche der am häufigsten verwendeten Algorithmen des maschinellen Lernens für die Geschlechtserkennung gut geeignet sind. Das Ziel der Studie ist es, ein System zu entwickeln, das das Geschlecht eines Menschen nur anhand der frontalen Gesichtsmerkmale erkennen kann. Dieses System wird die unbekannten Gesichtsbilder in männlich oder weiblich klassifizieren, indem es sie mit den Bildern im Trainingssatz vergleicht. Der Vergleich wird zwischen den am häufigsten verwendeten Techniken zur Geschlechtserkennung durchgeführt, nämlich dem genetischen Algorithmus (GA) und der Support Vector Machine (SVM) auf der Grundlage der Gesichtsmerkmale eines statischen Bildes. Unsere Ergebnisse zeigen, dass die von uns vorgeschlagene SVM das Geschlecht besser erkennt als der Genetische Algorithmus.

Autorentext

Rubia Fatima erhielt 2016 ihren Master-Abschluss in Informationstechnologie (IT) von der Bahauddin Zakariya University (B.Z.U), Multan, Pakistan. Derzeit promoviert sie in Software Engineering an der School of Software, Tsinghua University, VR China. Ihre Forschungsschwerpunkte liegen in den Bereichen Cybersicherheit und spielbasierte Bildung.